对于第一个问题：float16典型处理器（至少在GPU外部）不支持硬件。NumPy完全按照您的建议进行float16操作：将操作数转换为float32，对float32值执行标量运算，然后将float32结果四舍五入到float16。可以证明结果仍然是正确的四舍五入：的精度float32足够大（相对于的精度float16），因此在这里至少考虑了四个基本算术运算和平方根的情况下，双精度舍入不是问题。
在当前的NumPy源码中，这就是float16标量运算的四个基本算术运算的定义。
#define half_ctype_add(a, b, outp) *(outp) = \
npy_float_to_half(npy_half_to_float(a) + npy_half_to_float(b))
#define half_ctype_subtract(a, b, outp) *(outp) = \
npy_float_to_half(npy_half_to_float(a) - npy_half_to_float(b))
#define half_ctype_multiply(a, b, outp) *(outp) = \
npy_float_to_half(npy_half_to_float(a) * npy_half_to_float(b))
#define half_ctype_divide(a, b, outp) *(outp) = \
npy_float_to_half(npy_half_to_float(a) / npy_half_to_float(b))
上面的代码来自NumPy源码中的scalarmath.c.src。您也可以在loops.c.src中查看数组ufuncs的相应代码。支撑npy_half_to_float和npy_float_to_half功能在halffloat.c中定义，以及该float16类型的各种其他支撑功能。
对于第二个问题：不，float8NumPy中没有类型。float16是一种标准类型（在IEEE 754标准中进行了描述），在某些情况下（尤其是GPU）已经广泛使用。没有IEEE 754float8类型，并且似乎没有明显的“标准”float8类型候选对象。我还猜想float8NumPy中对支持的需求并没有那么多。
602392714
清零编程群